多層編碼器的輸出狀態，以多層解碼器Seq2Seq模型TF 1.0

Question

Tensorflow 1.0版

我的問題是，什麼尺寸encoder_state說法確實tf.contrib.seq2seq attention_decoder_fn_train預期。

它可以採取多層編碼器狀態輸出嗎？

語境：

我想在tensorflow 1.0創建基於多層雙向關注seq2seq。

我的編碼器：

cell = LSTM(n) 
cell = MultiRnnCell([cell]*4) 
((encoder_fw_outputs,encoder_bw_outputs), 
(encoder_fw_state,encoder_bw_state)) = (tf.nn.bidirectional_dynamic_rnn(cell_fw=cell, cell_bw = cell....) 

現在，mutilayered雙向編碼器返回編碼器cell_states[c]hidden_states[h]和對於每個層，並且還用於向後和向前通。 我串連的直傳和復路各州通過它來encoder_state：

self.encoder_state = tf.concat((encoder_fw_state, encoder_bw_state), -1)

而且我通過這我的解碼器：

decoder_fn_train = seq2seq.simple_decoder_fn_train(encoder_state=self.encoder_state) 
(self.decoder_outputs_train, 
self.decoder_state_train, 
self.decoder_context_state_train) = seq2seq.dynamic_rnn_decoder(cell=decoder_cell,...) 

但它給以下錯誤：

ValueError: The two structures don't have the same number of elements. First structure: Tensor("BidirectionalEncoder/transpose:0", shape=(?, 2, 2, 20), dtype=float32), second structure: (LSTMStateTuple(c=20, h=20), LSTMStateTuple(c=20, h=20)).

我的decoder_cell也是多層的。

Link to my code

1：

Answer 1

，我發現我的執行問題。所以張貼在這裏。 問題是w.r.t.連接encoder_fw_state和encoder_bw_state。正確的做法如下：

self.encoder_state = [] 

    for i in range(self.num_layers): 
     if isinstance(encoder_fw_state[i], LSTMStateTuple): 

      encoder_state_c = tf.concat((encoder_fw_state[i].c, encoder_bw_state[i].c), 1, name='bidirectional_concat_c') 
      encoder_state_h = tf.concat((encoder_fw_state[i].h, encoder_bw_state[i].h), 1, name='bidirectional_concat_h') 
      encoder_state = LSTMStateTuple(c=encoder_state_c, h=encoder_state_h) 
     elif isinstance(encoder_fw_state[i], tf.Tensor): 
      encoder_state = tf.concat((encoder_fw_state[i], encoder_bw_state[i]), 1, name='bidirectional_concat') 
     self.encoder_state.append(encoder_state) 

    self.encoder_state = tuple(self.encoder_state)